本发明专利技术提供了一种基于JND亮度模型的扩展变换抖动调制水印方法，包括嵌入水印步骤和检测水印步骤。首先将载体图像进行DCT变换并分块，在每个分块中提取待嵌入水印的系数向量，将每个向量沿某随机方向进行投影，同时根据JND亮度模型计算每个系数向量对应的量化步长，利用抖动调制算法对每个分块嵌入水印信息，最后重建得到嵌入水印的图像。检测水印时，根据上述相同的方法，通过投影的JND亮度模型计算量化步长，提取水印信息。本发明专利技术对水印的鲁棒性及不可见性有极大的改善与提高。
【技术实现步骤摘要】
本专利技术涉及一种基于JND亮度模型的扩展变换抖动调制水印方法，属于多媒体信 号处理
技术介绍
随着信息技术与计算机网络的飞速发展，数字多媒体信息成为信息的主流形式， 其便捷的存储、复制和传播，给人们的生活带来了极大的便利，然而随之而来的信息安全、 盗版、版权纠纷等问题也日益严重，在社会中产生一些恶劣的影响，不容忽视。在此背景下， 数字水印技术应运而生，它将一些标识信息（即数字水印）以隐藏的方式嵌入数字载体 (包括多媒体、文档、软件等）当中，通过这些隐藏在载体中的信息，达到版权保护、防止篡 改等目的，有效地解决了上述问题，具有广阔的应用前景，也因此得到了社会各界的广泛关 注。 数字水印技术发展至今，许多水印算法相继被提出，Chen等提出了量化索引调 制（QIM:Quantization Index Modulation)水印方法，在计算复杂度与算法实现上的显 著优势使其得到了广泛的应用。扩展变换抖动调制（STDM:Spread Transform Dither Modulation)作为QIM数字水印算法的一个重要扩展，对于普通信号处理攻击具有更好的 鲁棒性。但是，如何利用STDM算法将水印信息更为有效的嵌入到源图像中进而获得具有更 高视觉质量的水印图像，成为普遍关注的焦点。 近年来，许多学者提出将人类视觉特性引入STDM中，使其能够自适应的利用人眼 的视觉冗余实现信息的有效嵌入。JND(Just Noticeable Distortion)视觉模型是一类基 于人眼视觉特性的最小可觉察误差模型，模拟人类视觉系统的特性得到图像的最大不可见 改动，获得了广泛的关注和应用。Q. Li等最先将Watson' JND视觉模型与STDM相结合，提 出了 STDM-W方案，利用Watson' JND视觉模型所计算出的视觉冗余向量替换STDM中使用 的随机投影向量，以此来保证具有较大视觉冗余的图像系数承担较多的改动。为了提高鲁 棒性，LMa等利用Watson' JND视觉模型计算的视觉冗余向量与投影向量计算量化步长， 然而，Watson' JND视觉模型依赖于图像的自身性能，通过源图像和水印图像计算得到的 Watson' JND视觉模型会出现误差，应用在盲水印系统中，大大降低了算法的鲁棒性。近年 来，许多改进的JND模型相继被提出并应用于数字水印算法中，但是鲁棒性仍有待提高。
技术实现思路
针对现有技术中存在的缺陷，本专利技术提供了一种基于JND亮度模型的扩展变换抖 动调制水印方法，本专利技术采用了一个新的基于DCT域的JND亮度模型，该模型综合图像纹理 和亮度两个因素，在反映人眼视觉特性方面优于其他模型，应用于数字水印算法中，可以在 保证保真度的同时获得较好的鲁棒性。该方法在嵌入端，通过JND亮度模型得到源图像的 视觉冗余向量，实现调整水印嵌入的量化步长，并且保证在水印图像中，计算得到的视觉冗 余向量与嵌入端一致，显著提高了水印算法的鲁棒性。 本专利技术的基于JND亮度模型的扩展变换抖动调制水印方法，包括源图像的视觉冗 余向量计算和水印的嵌入检测阶段，具体实现步骤为： (1)通过JND亮度模型计算源图像的视觉冗余向量的处理阶段，包括： a.对源图像进行8X8分块，计算每一块的平均亮度μρ。 b.计算每个分块对应的视觉冗余向量，计算公式如下【主权项】1. 一种JND视觉模型的扩展变换抖动调制水印方法，包括源图像的视觉冗余向量计算 和水印的嵌入检测阶段，具体实现步骤为： (1) 通过JND亮度模型计算源图像的视觉冗余向量的处理阶段，包括： a. 对源图像进行8X8分块，计算每一块的平均亮度μp; b. 计算每个分块对应的视觉冗余向量，计算公式如下：其中，//J为第（i，j)个系数的JND，s是表征个体察觉的JND对视觉系统 的总体影响的量，取值为0. 14, N是载体系数矩阵的尺寸，取值为8, Jbase表示空间对比度敏 感函数，Mu为亮度的自适应调制因子，ω u为空间频率，％为相应DCT系数的方向角； (2) 嵌入和检测水印的处理阶段，包括： a. 从载体中提取载体变换域的待嵌入水印的系数，组成向量X，计算向量X在随机向量 U上的投影X1U ; b. 向量X所对应的JND系数组成向量s，计算向量s在随机向量u上的投影sTu，将StU 作为水印嵌入的量化步长。2. 如权利要求1所述的JND视觉模型的扩展变换抖动调制水印方法，其特征在于：所 述步骤（1)的子步骤a中，μρ的计算公式如下其中K为最大像素值，取值为255, I (X，y)为第（X，y)个像素点的值，C。为源图像的平 均亮度。3. 如权利要求1所述的JND视觉模型的扩展变换抖动调制水印方法，其特征在于：所 述步骤⑴的子步骤13中，Jbase^计算公式如下：4. 如权利要求1所述的JND视觉模型的扩展变换抖动调制水印方法，其特征在于：所 述步骤⑴的子步骤13中，Mu的计算公式如下5. 如权利要求1所述的JND视觉模型的扩展变换抖动调制水印方法，其特征在于：所 述步骤（1)的子步骤b中，其中Θ = arctan，其中 Rvh为视距与屏幕高度的比值，取值为1. 75, H为屏幕的列像素数，取值为1080。6. 如权利要求1所述的JND视觉模型的扩展变换抖动调制水印方法，其特征在于：所 述步骤（1)的子步骤b中：7. 如权利要求1所述的JND视觉模型的扩展变换抖动调制水印方法，其特征在于：所 述步骤（2)的子步骤a中，变换域采用的是离散余弦变换。8. 如权利要求1所述的JND视觉模型的扩展变换抖动调制水印方法，其特征在于：所 述步骤（2)的子步骤a中，u是由密钥1^￥ 1)生成的随机向量，长度与X相同。【专利摘要】本专利技术提供了一种基于JND亮度模型的扩展变换抖动调制水印方法，包括嵌入水印步骤和检测水印步骤。首先将载体图像进行DCT变换并分块，在每个分块中提取待嵌入水印的系数向量，将每个向量沿某随机方向进行投影，同时根据JND亮度模型计算每个系数向量对应的量化步长，利用抖动调制算法对每个分块嵌入水印信息，最后重建得到嵌入水印的图像。检测水印时，根据上述相同的方法，通过投影的JND亮度模型计算量化步长，提取水印信息。本专利技术对水印的鲁棒性及不可见性有极大的改善与提高。【IPC分类】G06T1-00【公开号】CN104766269【申请号】CN201510182217【专利技术人】刘琚, 唐文华, 万文博 【申请人】山东大学【公开日】2015年7月8日【申请日】2015年4月16日本文档来自技高网...
【技术保护点】
一种JND视觉模型的扩展变换抖动调制水印方法，包括源图像的视觉冗余向量计算和水印的嵌入检测阶段，具体实现步骤为：(1)通过JND亮度模型计算源图像的视觉冗余向量的处理阶段，包括：a.对源图像进行8×8分块，计算每一块的平均亮度μp；b.计算每个分块对应的视觉冗余向量，计算公式如下：其中，为第(i,j)个系数的JND，s是表征个体察觉的JND对视觉系统的总体影响的量，取值为0.14，N是载体系数矩阵的尺寸，取值为8，Jbase表示空间对比度敏感函数，MLA为亮度的自适应调制因子，ωi,j为空间频率，为相应DCT系数的方向角；(2)嵌入和检测水印的处理阶段，包括：a.从载体中提取载体变换域的待嵌入水印的系数，组成向量x，计算向量x在随机向量u上的投影xTu；b.向量x所对应的JND系数组成向量s，计算向量s在随机向量u上的投影sTu，将sTu作为水印嵌入的量化步长。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘琚，唐文华，万文博，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。